Les modèles du mois — relevé du 16/10/2026

Relevé du 16/10/2026. Les modèles locaux changent tous les mois : cette page est la seule de la formation qui les nomme, et elle se refait avant chaque promo. Les autres leçons disent « le modèle A de ton palier ».

Ton palier = la mémoire de ta machine

Mémoire	Modèle A	Modèle B	Modèle C	Embedding
8 Go	`qwen3.5:4b`	`phi4-mini`	`ministral-3:3b`	`qwen3-embedding:0.6b`
16 Go (référence)	`qwen3.5:9b`	`gemma4:12b`	`ministral-3:8b`	`bge-m3`
32 Go	`qwen3.8:27b`	`qwen3.6:35b-a3b`	`gemma4:26b`	`bge-m3`
64 Go et plus	`qwen3.8:27b` en Q8	`gpt-oss:120b`	en Q8

Tous sous licence Apache 2.0 ou MIT. Règle de pouce : un modèle prend environ 0,6 Go par milliard de paramètres (quantification Q4), plus la mémoire de la conversation et du système. Un modèle « 35B-A3B » (MoE) a besoin de la mémoire de 35 milliards de paramètres mais va à la vitesse de 3.

Ce que ça donne vraiment

Mesuré le 16/10/2026 sur un MacBook Air M5 de 16 Go, qwen3.5:9b + bge-m3 : 7 à 60 secondes par réponse (environ 25 s), 11 Go de mémoire au plus haut. Ferme les autres applications.

Les outils

Ollama (ollama.com) fait tourner le modèle et l'embedding. Une fois installé : ollama pull qwen3.5:9b puis ollama pull bge-m3 (adapte à ton palier).
AnythingLLM Desktop (anythingllm.com) est l'application : documents, recherche, sources citées, réglages. Elle se branche sur Ollama (http://127.0.0.1:11434).

Les réglages imposés, avant tout import

Embedding multilingue (colonne de droite du tableau) — celui livré par défaut est anglophone, et en changer après coup oblige à tout ré-indexer.
Télémétrie coupée et recherche web coupée — un assistant « local » qui interroge le web n'est plus hors ligne.
Réflexion du modèle coupée (« thinking ») — sinon chaque réponse attend une longue réflexion.
Fenêtre de contexte à 8 192 jetons — par défaut Ollama en prend 4 096, et ce qui dépasse est .

Les licences qui piègent

« Open » ne veut pas dire « libre pour tout ». Exemples réels : la licence de Llama 4 exclut l'Union européenne pour ses modèles multimodaux ; Qwen3.8-Flash-Next, de la même famille que le modèle A, exige une licence séparée pour un « assistant de travail IA » ; Gemma est passé des Gemma Terms à Apache 2.0 avec sa version 4. La licence se lit avant le déploiement, et se relit à chaque version.

Réserver pour tout débloquer →